淺嘗.NET 4并行計(jì)算 效率已大幅提升
隨著Visual Studio 2010正式版的發(fā)布，我們已經(jīng)可以用上.NET 4的所有功能。那么對(duì)于并行計(jì)算的嘗試，是本文的重點(diǎn)。51CTO向您推薦《F#函數(shù)式編程語言》，以便于您全方位了解.NET 4中不同的部分。
我們都知道CPU的性能至關(guān)重要，但主頻已經(jīng)越來越難以提升，縱向發(fā)展受限的情況下，橫向發(fā)展成為必然——核心數(shù)開始越來越多。然而多核心的利用、并行計(jì)算一直是編程中的難題，大的不說，就說代碼的編寫，程序員大多都有過痛苦的經(jīng)歷：多線程的程序代碼量大，編寫復(fù)雜，容易出錯(cuò)，并且實(shí)際運(yùn)行效率是否理想也較難保證。
為改善這種狀況，.NET 4.0中引入了 TPL(任務(wù)并行庫)，關(guān)于TPL，MSDN的簡(jiǎn)介是：
任務(wù)并行庫 (TPL) 的設(shè)計(jì)是為了能更簡(jiǎn)單地編寫可自動(dòng)使用多處理器的托管代碼。使用該庫，您可以非常方便地用現(xiàn)有序列代碼表達(dá)潛在并行性，這樣序列代碼中公開的并行任務(wù)將會(huì)在所有可用的處理器上同時(shí)運(yùn)行。通常這會(huì)大大提高速度。
簡(jiǎn)而言之，TPL提供了一系列的類庫，可以使編寫并行運(yùn)算的代碼更簡(jiǎn)單和方便。
說起來很簡(jiǎn)單，我們來看點(diǎn)例子：
- void ThreadpoolMatrixMult(int size, double[,] m1, double[,] m2,
- double[,] result)
- {
- int N = size;
- int P = 2 * Environment.ProcessorCount; // assume twice the procs for
- // good work distribution
- int Chunk = N / P; // size of a work chunk
- AutoResetEvent signal = new AutoResetEvent(false);
- int counter = P; // use a counter to reduce
- // kernel transitions
- for (int c = 0; c < P; c++) { // for each chunk
- ThreadPool.QueueUserWorkItem(delegate(Object o)
- {
- int lc = (int)o;
- for (int i = lc * Chunk; // iterate through a work chunk
- i < (lc + 1 == P ? N : (lc + 1) * Chunk); // respect upper
- // bound
- i++) {
- // original inner loop body
- for (int j = 0; j < size; j++) {
- result[i, j] = 0;
- for (int k = 0; k < size; k++) {
- result[i, j] += m1[i, k] * m2[k, j];
- }
- }
- }
- if (Interlocked.Decrement(ref counter) == 0) { // use efficient
- // interlocked
- // instructions
- signal.Set(); // and kernel transition only when done
- }
- }, c);
- }
- signal.WaitOne();
- }
很眼熟但同時(shí)看著也很心煩的代碼吧。在換用TPL后，上面的代碼就可以簡(jiǎn)化為：
- void ParMatrixMult(int size, double[,] m1, double[,] m2, double[,] result)
- {
- Parallel.For( 0, size, delegate(int i) {
- for (int j = 0; j < size; j++) {
- result[i, j] = 0;
- for (int k = 0; k < size; k++) {
- result[i, j] += m1[i, k] * m2[k, j];
- }
- }
- });
- }
舒服多了吧？具體的內(nèi)容請(qǐng)見MSDN的文章 優(yōu)化多核計(jì)算機(jī)的托管代碼。
裝好正式版的VS2010以后，寫了段代碼來測(cè)試下，TPL究竟好不好用。
代碼很簡(jiǎn)單，拿一條字符串和一堆字符串里的每一條分別用LevenshteinDistance算法做字符串相似程度比對(duì)。先用傳統(tǒng)的順序執(zhí)行的代碼跑一遍，記錄下時(shí)間；再換用TPL的并行代碼跑一遍，記錄下時(shí)間。然后比對(duì)兩次運(yùn)行的時(shí)間差異。
- using System;
- using System.Collections.Generic;
- using System.Linq;
- using System.Text;
- using System.Threading.Tasks;
- using System.Diagnostics;
- namespace ParallelLevenshteinDistance
- {
- class Program
- {
- static void Main(string[] args)
- {
- Stopwatch sw;
- int length;
- int count;
- string[] strlist;
- int[] steps;
- string comparestring;
- Console.WriteLine("Input string lenth:");
- length = int.Parse(Console.ReadLine());
- Console.WriteLine("Input string list count:");
- count = int.Parse(Console.ReadLine());
- comparestring = GenerateRandomString(length);
- strlist = new string[count];
- steps = new int[count];
- // prepare string[] for comparison
- Parallel.For(0, count, delegate(int i)
- {
- strlist[i] = GenerateRandomString(length);
- });
- Console.WriteLine("{0}Computing...{0}", Environment.NewLine);
- // sequential comparison
- sw = Stopwatch.StartNew();
- for (int i = 0; i < count; i++)
- {
- steps[i] = LevenshteinDistance(comparestring, strlist[i]);
- }
- sw.Stop();
- Console.WriteLine("[Sequential] Elapsed:");
- Console.WriteLine(sw.Elapsed.ToString());
- // parallel comparison
- sw = Stopwatch.StartNew();
- Parallel.For(0, count, delegate(int i)
- {
- steps[i] = LevenshteinDistance(comparestring, strlist[i]);
- });
- sw.Stop();
- Console.WriteLine("[Parallel] Elapsed:");
- Console.WriteLine(sw.Elapsed.ToString());
- Console.ReadLine();
- }
- private static string GenerateRandomString(int length)
- {
- Random r = new Random((int)DateTime.Now.Ticks);
- StringBuilder sb = new StringBuilder(length);
- for (int i = 0; i < length; i++)
- {
- int c = r.Next(97, 123);
- sb.Append(Char.ConvertFromUtf32(c));
- }
- return sb.ToString();
- }
- private static int LevenshteinDistance(string str1, string str2)
- {
- int[,] scratchDistanceMatrix = new int[str1.Length + 1, str2.Length + 1];
- // distance matrix contains one extra row and column for the seed values
- for (int i = 0; i <= str1.Length; i++) scratchDistanceMatrix[i, 0] = i;
- for (int j = 0; j <= str2.Length; j++) scratchDistanceMatrix[0, j] = j;
- for (int i = 1; i <= str1.Length; i++)
- {
- int str1Index = i - 1;
- for (int j = 1; j <= str2.Length; j++)
- {
- int str2Index = j - 1;
- var cost = (str1[str1Index] == str2[str2Index]) ? 0 : 1;
- int deletion = (i == 0) ? 1 : scratchDistanceMatrix[i - 1, j] + 1;
- int insertion = (j == 0) ? 1 : scratchDistanceMatrix[i, j - 1] + 1;
- int substitution = (i == 0 || j == 0) ? cost : scratchDistanceMatrix[i - 1, j - 1] + cost;
- scratchDistanceMatrix[i, j] = Math.Min(Math.Min(deletion, insertion), substitution);
- // Check for Transposition
- if (i > 1 && j > 1 && (str1[str1Index] == str2[str2Index - 1]) && (str1[str1Index - 1] == str2[str2Index]))
- {
- scratchDistanceMatrix[i, j] = Math.Min(scratchDistanceMatrix[i, j], scratchDistanceMatrix[i - 2, j - 2] + cost);
- }
- }
- }
- // Levenshtein distance is the bottom right element
- return scratchDistanceMatrix[str1.Length, str2.Length];
- }
- }
- }
這里只用了最簡(jiǎn)單的 Parallel.For 方法，代碼很簡(jiǎn)單和隨意，但是看看效果還是可以的。
測(cè)試機(jī)找了不少，喜歡硬件的朋友興許也能找到你感興趣的:P
Intel Core i7 920 (4物理核心8邏輯核心，2.66G) + DDR3 1600 @ 7-7-7-24
AMD Athlon II X4 630 (4物理核心，2.8G) + DDR3 1600 @ 8-8-8-24
AMD Athlon II X2 240 (2物理核心，2.8G) + DDR2 667
Intel Core E5300 (2物理核心，2.33G) + DDR2 667
Intel Atom N270 (1物理核心2邏輯核心，1.6G) + DDR2 667
還在VM workstation里跑過，分別VM了XP和WIN7，都跑在上述i7的機(jī)器里，各自分配了2個(gè)核心。
程序設(shè)置每個(gè)字符串長(zhǎng)1000個(gè)字符，共1000條字符串。
每個(gè)機(jī)器上程序都跑了3遍，取平均成績(jī)，得到下表：
| CPU | Core | Time_Sequential(s) | Time_Parallel(s) | S/P(%) |
| Intel Core i7 920 | 4 Cores, 8 Threads, 2.6G | 55.132634 | 14.645687 | 376.44% |
| AMD AthlonII X4 630 | 4 Cores, 4 Threads, 2.8G | 58.10592 | 17.152494 | 338.76% |
| AMD AthlonII X2 240 | 2 Cores, 2 Threads, 2.8G | 66.159735 | 32.293972 | 204.87% |
| Intel E5300 | 2 Cores, 2 Threads, 2.3G | 70.827157 | 38.50654 | 183.94% |
| Intel Atom N270 | 1 Cores, 2 Threads, 1.6G | 208.47852 | 157.27869 | 132.55% |
| VMWin7(2 logic core) | 2 Cores, 2 Threads | 56.965068 | 33.069084 | 172.26% |
| VMXP(2 logic core) | 2 Cores, 2 Threads | 59.799399 | 35.35805 | 169.13% |
可見，在多核心處理器上，并行計(jì)算的執(zhí)行速度都得到了大幅提升，即便是在單核心超線程出2個(gè)邏輯核的Atom N270上亦縮短了32.55%的運(yùn)行時(shí)間。在A240上并行計(jì)算的效率竟然是順序計(jì)算的204.87% ？！而同樣是4核心，i7 920在超線程的幫助下，并行執(zhí)行效率提升明顯高過A630。最后VM里的測(cè)試，是否也可以在某種程度上佐證在多核心的調(diào)度上，Win7要強(qiáng)過XP呢（純猜測(cè)）？順帶可以看到，同樣是i7的硬件環(huán)境，單線程宿主OS(Win7)里執(zhí)行花費(fèi)55.133秒，VM(Win7)里56.965秒，速度上有約3%的差異。
另外，針對(duì)性能較強(qiáng)的i7處理器，加大程序中的2個(gè)變量后再做測(cè)試，并行執(zhí)行的效率比得到了進(jìn)一步的提升。應(yīng)該是因?yàn)閯?chuàng)建/管理/銷毀多線程的開銷被進(jìn)一步的攤平的緣故。例如在每字符串2000個(gè)字符，共2000條字符串的情況下，順序執(zhí)行和并行執(zhí)行的時(shí)間分別是07:20.9679066和01:47.7059225，消耗時(shí)間比達(dá)到了409.42%。
來幾張截圖：
從截圖中可以發(fā)現(xiàn)，這段測(cè)試程序在順序執(zhí)行的部分，內(nèi)存占用相對(duì)平穩(wěn)，CPU則大部分核心處在比較空閑的狀態(tài)。到了并行執(zhí)行部分，所有核心都如預(yù)期般被調(diào)動(dòng)起來，同時(shí)內(nèi)存占用開始出現(xiàn)明顯波動(dòng)。附圖是在每字符串2000個(gè)字符，共2000條字符串的情況下得到的。
這里只是非常局部和簡(jiǎn)單的一個(gè)測(cè)試，目的是希望能帶來一個(gè)直觀的體驗(yàn)。微軟已經(jīng)提供了一組不錯(cuò)的例子可供參考 Samples for Parallel Programming with the .NET Framework 4
原文標(biāo)題：小試 .NET 4.0 之 并行計(jì)算
鏈接：http://www.cnblogs.com/Elvin/archive/2010/04/20/1716258.html
【編輯推薦】
